随着移动互联网技术的快速发展,智能手机逐渐超过PC成为了全球最常见的网络访问设备,在人类的生活中扮演者越来越重要的角色。移动设备在为人们提供各种服务的同时也会收集各种隐私信息,不法分子通过数据的分析和处理,可能做出定向的隐私攻击,这将影响到移动设备使用者的生命财产安全。其中,用户的位置隐私,引起了人们越来越多的关注,特别是受到学术圈和商业界的广泛关注,这方面的研究已经凸显出重要的研究价值和现实意义。空间众包(SC)是一种基于工作者位置信息的众包形式,工作者需要前往指定的位置执行任务,典型的SC任务有拍照、录制视频、报告温度等,只要工作者有拥有移动设备就可以接受SC任务,这将极大地提高工作的效率。由于工作者接受任务需要向服务器报告自己的位置信息,然而通常情况下服务器是一个不可信的实体,一旦SC工作者的位置信息被非法的收集和共享,可能会暴露个人健康状况,政治和宗教偏好等敏感信息。对于此类问题,利用差分隐私机制加入一定的噪声,可以保护数据集的个体信息,相关的研究在近些年引起了诸多的关注。本文将主要关注SC工作者位置信息的差分隐私保护,特别提出了适用于SC工作者位置隐私保护需求的解决方案。本文主要工作及贡献包括以下两部分:(1)提出了一种自适应区域划分的空间众包工作者位置隐私保护方案。考虑如何在保证任务接受成功率的同时保护工作者的位置隐私,本文设计了一种新颖的自适应的工作空间划分方法,并从理论和实验上分析和优化了划分粒度的选择问题,首次依照历史数据进行区域划分,分层加噪历史人数,用机器学习方法预测位置分布,做自适应二层区域划分。在任务发布区域构造阶段,考虑到所划分工作空间,每个网格的工作者密度,任务与网格的距离等因素对每个网格赋予一个评分,运用指数机制构造任务发布区域,使得评分较高的区域有较大的概率被选择,这也符合实际需求。由于差分隐私机制的运用,隐私预算的分配方式将直接影响到方案的性能,本文提出了一种新的隐私预算全分配方式,并通过实验验证了其有效性。另外,从理论上证明了本文的方案满足ε-差分隐私,并且可以有效的抵御背景知识攻击,使工作者的位置隐私有了理论的保障。最后,本文在真实的数据集中进行实验,结果表明本文的方案能够保持较高的任务接受率,能够有效的降低工作者接受任务途径的距离,同时降低任务系统开销。这将有利于充分的调动工作者工作的积极性,对推进SC更普遍的应用起到关键作用。(2)提出了一种基于时间相关性的空间众包工作者位置隐私保护方案。现有的一些SC工作者位置隐私保护方案,通常通过引入可信的第三方来实现对工作者位置隐私的保护。然而,在某些特殊的情况下第三方往往不能完全信任,因此本文提出了基于时间相关性的SC工作者位置隐私保护方案。本文通过工作者在连续时间戳下的位置变化建立Markov模型,工作者可以直接将噪声位置进行发布,在不暴露个人位置信息的同时,减小对方案性能的影响。解决了现有技术中SC工作者位置隐私保护无法有效的抵御背景知识攻击的问题。由于工作者直接对位置信息加噪,无需引入可信的第三方就能实现工作者位置隐私保护。不但可以降低服务端的系统开销,而且可以避免因数据库管理不善所造成的工作者隐私的泄露。最后,本文在真实的数据集中进行实验,实验表明本文的方案相对未进行隐私保护的方案不会有明显的系统开销的增加,并且能够保持较高的任务接受概率。